6% das features do seu produto respondem por 80% dos cliques
A Pendo analisou dados de uso de milhares de produtos SaaS e chegou num número que incomoda qualquer time de produto: em média, 6,4% das funcionalidades de um produto geram 80% do volume de cliques dos usuários, enquanto os 93,6% restantes ficam parados, sem ser tocados por quase ninguém.
O que torna esse número difícil de engolir é o que ele implica sobre o trabalho que já foi feito, porque cada feature no produto passou por alguém priorizando, alguém desenhando, alguém desenvolvendo, alguém testando e alguém anunciando, com um custo médio que fica entre R$ 80 mil e R$ 300 mil quando se conta engenharia, design e PM num time razoavelmente estruturado, e multiplicado pelo tamanho de um catálogo típico de produto SaaS o valor parado em funcionalidades que ninguém usa se torna difícil de dimensionar sem constrangimento.
A metodologia da Pendo mede adoção por feature de uma forma específica, contando quantas funcionalidades são necessárias para gerar 80% do volume de interação de um usuário típico, um conjunto que a empresa chama de Core Events, e a lógica é razoável porque evita o problema de features que aparecem muito por razões estruturais, como botões de navegação ou campos obrigatórios, focando no que o usuário escolhe usar com alguma frequência.
Com essa definição, a mediana da indústria fica em 6,4%, enquanto os produtos no top 10% chegam a 15,6%, pouco mais que duas vezes a média.
O que separa esses dois grupos raramente é a quantidade de features: os produtos com adoção alta tendem a ser menores em catálogo ou mais disciplinados no que mantêm ativo, o que os dados da Pendo confirmam quando olham para tamanho de empresa, já que empresas com menos de 200 funcionários têm adoção média de 7,4%, a mais alta de todos os segmentos, provavelmente porque times menores simplesmente não têm capacidade de manter um catálogo inflado, então o que fica no produto é o que as pessoas de fato precisam.
O custo de uma feature ignorada vai além do que foi gasto para construí-la, porque uma vez que a funcionalidade existe ela precisa de manutenção a cada mudança de infraestrutura, precisa ser considerada em cada decisão de design, aparece na documentação, entra nos fluxos de onboarding e gera tickets de suporte de usuários que tropeçam nela sem entender para que serve, sem contar que ela consome atenção do time e adiciona ruído para qualquer usuário novo que tenta entender o que o produto faz.
A UserGuiding é uma plataforma no-code que permite criar tours guiados, checklists de ativação, tooltips contextuais e segmentação por comportamento de usuário, sem depender de engenharia para cada iteração. Você configura o fluxo, define os gatilhos e publica direto em cima do seu produto. Você tem 20% de desconto. Acesse aqui e use o cupom: PRODUCTGURUS.
A variação por setor nos dados da Pendo acrescenta uma camada nesse raciocínio: manufatura e bens de consumo têm as taxas mais altas de adoção por feature, enquanto mídia fica em 4,9%, e a explicação mais plausível é que um produto B2B de nicho provavelmente tem adoção alta porque os usuários chegam com objetivo claro e repetem as mesmas tarefas toda semana, ao passo que um produto de mídia com centenas de features enfrenta comportamento muito mais disperso porque o usuário decide o que quer a cada sessão, sem nenhuma obrigação de retornar às mesmas funcionalidades.
Esse comportamento disperso aponta para algo que os dados de adoção por feature não mostram diretamente: a diferença entre features usadas muitas vezes pelos mesmos usuários e features tentadas uma vez e abandonadas, duas dimensões que a Pendo chama de profundidade e duração da adoção, sendo que um usuário que abre um relatório avançado uma vez por curiosidade e nunca mais volta gera um clique no numerador mas não gera valor real, e times que acompanham adoção de forma mais cuidadosa monitoram a curva de retenção por feature, não só a taxa de ativação.
A Pendo recomenda quatro caminhos para melhorar adoção: walkthroughs in-app, comunicação de feature dentro do produto, clareza sobre valor e ação esperada, e segmentação por perfil de usuário, todos razoáveis quando o problema é que o usuário não sabe que a feature existe ou não entende como usar, mas nenhum deles resolve o caso em que o usuário tentou, entendeu e parou de usar porque a feature simplesmente não entrega valor suficiente para justificar a mudança de comportamento que ela exige.
Medir adoção por feature e agir em cima disso implica, eventualmente, remover funcionalidades do produto, e remover feature é uma das decisões mais difíceis de tomar em qualquer time, não porque seja tecnicamente complicada, mas porque sempre existe alguém que usa, sempre existe o risco de reclamação pública e sempre existe a memória de quanto custou construir, o que faz com que a maioria dos produtos cresça em direção a um catálogo cada vez mais denso, com uma camada fina de uso real sobre uma estrutura cada vez mais pesada de funcionalidades que ninguém pede para tirar mas que quase ninguém usa de verdade.
O que os dados não respondem é quantas das features paradas nos 93,6% poderiam ser cortadas sem que nenhum usuário percebesse, e se a resposta para essa pergunta é incômoda, o processo de descobri-la é provavelmente mais incômodo ainda.
🔗 Construa uma carreira à prova do futuro, liderando produtos mais inteligentes e eficientes com IA. Acesse: https://go.pm3.com.br/ProductGurus-AI-Specialist
Cupom de 10%: PRODUCTGURUS